
Dieser Artikel stellt die neuen Parameter und Aufrufhinweise von Kimi K3 vor. K3 ist auf AIHubMix über Chat Completions, Responses und die Claude-kompatible Messages-Schnittstelle aufrufbar. Weiterführend: Offizielle Moonshot-Plattformdokumentation. Alle als “Verifiziert” gekennzeichneten Ergebnisse und Beispielantworten der einzelnen Abschnitte stammen aus realen Aufrufen über die AIHubMix-Schnittstellen (Chat Completions / Responses / Messages) am 2026-07-17.
1. Modellspezifikation im Überblick
Verifiziert: Beide Obergrenzen vonstopwerden validiert, bei Überschreitung wird 400 zurückgegeben;stop_sequencesder Messages-Schnittstelle führt dieselbe Validierung aus. ❗ Die Messages-Schnittstelle folgt beim Treffer einer Stoppsequenz nicht der Anthropic-Semantik: Verifiziert wurdestop_reasonals"end_turn"(statt"stop_sequence"),stop_sequencealsnull, und der sichtbare Text vor der Stoppsequenz kann leer sein. Clients, die anhand dieser beiden Felder den Abbruchgrund bestimmen, sollten dies beachten.
2. Thinking-Modus: reasoning_effort nur mit Stufe max
Das Thinking von K3 ist standardmäßig aktiviert, reasoning_effort unterstützt ausschließlich die Stufe "max".
In Multi-Turn-Dialogen muss der Thinking-Verlauf unverändert zurückgegeben werden: Laut offizieller Moonshot-Angabe wurde K3 mit preserved thinking trainiert. In Multi-Turn-Dialogen muss die Assistant-Nachricht der vorherigen Runde unverändert und vollständig zurückgegeben werden (einschließlich Thinking-Inhalt); fehlender Thinking-Verlauf führt zu instabiler Ausgabequalität. Bei Verwendung von Session-Management-Frameworks oder Proxy-Schichten stellen Sie sicher, dass der Thinking-Inhalt vor der Rückgabe nicht gekürzt wird.
- Chat Completions
- Responses
- Messages
Der Thinking-Inhalt wird im Feld
reasoning_content der Antwort zurückgegeben; in Multi-Turn-Dialogen wird die Assistant-Nachricht der vorherigen Runde (inkl. reasoning_content) unverändert zurückgegeben.Verifiziert: Die Antwort enthältreasoning_content; nach unveränderter Rückgabe der Assistant-Nachricht der vorherigen Runde (inkl.reasoning_content) antworten die Folgerunden normal.
3. Sampling-Parameter sind Festwerte
Die Sampling-Parameter von K3 sind offiziell festgelegte Werte:temperature 1.0, top_p 0.95, n 1, presence_penalty / frequency_penalty 0. Offiziell wird empfohlen, diese Parameter nicht im Request zu übergeben.
Hinweis: Die festen Sampling-Werte sind offizielle Spezifikation und lassen sich nicht aus Antwortsignalen verifizieren; lassen Sie diese Parameter gemäß offizieller Empfehlung weg.
4. Tool-Aufrufe und dynamisches Tool-Laden
tools unterstützt maximal 128 Tools; tool_choice unterstützt erzwungene und deaktivierte Tool-Aufrufe. K3 unterstützt zudem dynamisches Tool-Laden: Mitten im Dialog werden über das tools-Feld einer System-Nachricht neue Tools injiziert (eine für die Chat-Schnittstelle spezifische Nachrichtenform).
- Chat Completions
- Responses
- Messages
tool_choice unterstützt auto / none / required; required zwingt das Modell zum Tool-Aufruf. Dynamisches Tool-Laden: Die System-Nachricht zur Tool-Injektion enthält kein content, injizierte Tools wirken für die Folgerunden und müssen in jedem Request erneut mitgesendet werden.Verifiziert:tool_choice: "required"erzwingt auch bei themenfremden Fragen einen Tool-Aufruf;"none"unterdrückt Tool-Aufrufe; über eine System-Nachricht ohnecontentmitten im Dialog injizierte Tools können normal aufgerufen werden.
5. Strukturierte Ausgabe
Mit strukturierter Ausgabe liefert das Modell Inhalte, die strikt dem vorgegebenen JSON-Schema entsprechen.- Chat Completions
- Responses
- Messages
response_format unterstützt json_schema und den strict-Modus.Verifiziert: Die Ausgabe ist gültiges, schemakonformes JSON.
6. Kontext-Caching automatisch aktiviert
Das Kontext-Caching von K3 ist automatisch aktiviert und benötigt keine Parameter. Bei Cache-Treffern durch wiederholte lange Präfixe wird die Treffermenge im usage-Objekt gemeldet (der Feldname variiert je nach Schnittstelle). Cache-Preise siehe Modellseite.- Chat Completions
- Responses
- Messages
Verifiziert: Der zweite Request mit identischem langem Präfix meldet den Treffer in usage.prompt_tokens_details.cached_tokens.
7. Präfix-Fortsetzung mit partial
Die Präfix-Fortsetzung lässt das Modell ab einem vorgegebenen Präfix weiterschreiben — geeignet für Code-Vervollständigung und formatkontrollierte Ausgaben.
- Chat Completions
- Responses
- Messages
Übergeben Sie
"partial": true in der letzten Assistant-Nachricht.Verifiziert: Die Generierung setzt am vorgegebenen Präfix an, ohne das Präfix zu wiederholen.
8. Visuelle Eingabe
Bilder werden als Base64 übergeben; die Schreibweise der Content-Blöcke variiert je nach Schnittstelle.- Chat Completions
- Responses
- Messages
Verifiziert: Base64-Bildeingabe funktioniert; das Modell beschreibt den Inhalt des Testbilds korrekt.
9. Praxisreferenz: Dauer und Token-Verbrauch eines langen Einzelaufrufs
Das Thinking von K3 ist fest auf die Stufe max eingestellt; einzelne Requests für komplexe Aufgaben dauern deutlich länger als bei regulären Modellen. Messdaten einer Single-File-HTML-Spielgenerierung (ein Prompt mit Referenzbild, eine Generierung, keine Iteration): Der einzelne Request dauerte 2.541 Sekunden (ca. 42 Minuten), 74.994 Completion-Tokens, davon 54.486 (73 %) für das Thinking; das Ergebnis waren 1.275 Zeilen direkt lauffähiger Code in einem Durchgang,finish_reason war stop.
Empfehlungen für die Aufrufseite:
- Client-Timeouts im Minutenbereich oder höher ansetzen; bei langen Aufgaben bevorzugt Streaming verwenden;
max_completion_tokensmit ausreichend Reserve setzen — in diesem Beispiel verbrauchte allein das Thinking 54.486 Tokens.
10. Support-Matrix: Fähigkeiten × Schnittstellen
Jede Zelle der folgenden Tabelle wurde am 2026-07-17 durch reale Aufrufe über die AIHubMix-Produktionsschnittstellen verifiziert; die Zellen zeigen die Parameter- bzw. Feldschreibweise der jeweiligen Schnittstelle.Häufige Fragen (FAQ)
Welche Schnittstellen unterstützt K3 auf AIHubMix? Chat Completions (/v1/chat/completions), Responses (/v1/responses) und die Claude-kompatible Messages-Schnittstelle (/v1/messages).
Kann das Thinking deaktiviert oder die Thinking-Intensität reduziert werden?
Nein. Das Thinking von K3 ist standardmäßig aktiviert, reasoning_effort unterstützt nur die Stufe "max".
Warum muss in Multi-Turn-Dialogen reasoning_content zurückgegeben werden?
K3 wurde mit preserved thinking trainiert; offiziell ist die unveränderte, vollständige Rückgabe der Assistant-Nachricht der vorherigen Runde erforderlich. Fehlender Thinking-Verlauf führt zu instabiler Ausgabequalität.
Welche Beschränkungen hat der stop-Parameter?
Maximal 5 Stoppsequenzen, jede höchstens 32 Bytes; bei Überschreitung wird ein 400-Fehler zurückgegeben.
Unterstützt die Messages-Schnittstelle strukturierte Ausgabe?
❗ Nein. Der offizielle Messages-Endpunkt (Anthropic-kompatibel) von Kimi K3 ignoriert Felder für strukturierte Ausgabe stillschweigend (liefert 200 mit Freitext, ohne Fehler). Verwenden Sie für strukturierte Ausgabe response_format in Chat Completions oder text.format in Responses.
Warum dauert ein einzelner K3-Request so lange?
Das Thinking von K3 ist fest auf die Stufe max eingestellt; bei komplexen Aufgaben ist der Thinking-Token-Anteil hoch (im gemessenen Fall 73 % der Completion-Tokens). Setzen Sie Client-Timeouts im Minutenbereich oder höher und verwenden Sie Streaming.
Preise und Echtzeitstatus des Modells finden Sie auf der Kimi-K3-Modellseite, weitere Modelle im Modell-Marktplatz. Zuletzt aktualisiert: 2026-07-17